GraphDPR: A Privacy Policy Analysis Framework Using Knowledge Graphs and Topic Modeling

doi:10.1007/978-3-032-13513-1_33

2026-01-01

PRE

Himadri Chowdhury

Md. Istiak Morsalin

Rafe Sumnan Azade

Vijayalakshmi Ramasamy *

Gokila Dorai

DOI：10.1007/978-3-032-13513-1_33

原文链接

原文求助

摘要

En 中文

隐私政策在披露组织数据实践方面发挥着关键作用；然而，其冗长和复杂的特性阻碍了用户理解和监管审计，特别是在电子商务领域。为应对这些挑战，我们引入了数据保护法规分析（GraphDPR）框架，该框架利用基于图的本体分析进行隐私政策审计。GraphDPR采用基于转换器的文本处理、知识图谱创建和无监督主题建模来生成政策内容的结构化表示。它将隐私政策转换为实体-类别-数据点三元组，使用Sentence-BERT嵌入进行归一化，并利用Neo4j将其增强为公司特定的知识图谱。随后使用潜在狄利克雷分配（LDA）对这些图谱进行分析，以识别数据收集中的主题模式。GraphDPR通过将政策内容与监管标准对齐，实现了静态和比较审计，从而提供可解释的合规性见解。实验结果表明，与现有的系统（如PolicyGPT和Poligraph）相比，它提供了更好的监管覆盖率和主题清晰度。通过整合图挖掘和语义建模，GraphDPR增强了自动化隐私政策审计，并支持可扩展的合规性监控。

Keyword:

Knowledge Graphs

Compliance Scoring

Topic Modelling